25 फील्ड्स पुरस्कार विजेताओं ने एक संयुक्त वक्तव्य प्रकाशित किया है, जिसमें वे सीधे तौर पर एआई विकसित करने वाली कंपनियों और गणितीय समुदाय के बीच «लक्ष्यों के गंभीर टकराव» की ओर इशारा करते हैं। यह दस्तावेज़ 11 सितंबर 2026 को Le Monde और टेरेंस टाओ के ब्लॉग पर प्रकाशित हुआ; हस्ताक्षरकर्ताओं में पियरे डेलिन, पीटर शोल्ज़े, मरीना व्याज़ोव्स्काया, मंजुल भार्गव, यू डेंग और अन्य शामिल हैं। यह वक्तव्य OpenAI की हालिया घोषणाओं की पृष्ठभूमि में आया है, जिसमें कहा गया था कि उसने हज़ारों एजेंटों और लाखों संदेशों की मदद से 88 घंटों में नेवियर–स्टोक्स समस्या का समाधान कर लिया।
आपत्ति का सार यह नहीं है कि एआई समस्याएँ हल करता है, बल्कि यह है कि यह वास्तव में कैसे होता है और इस प्रक्रिया में कौन-से मूल्य आगे बढ़ाए जाते हैं। गणित परंपरागत रूप से समाधान के तथ्य को नहीं, बल्कि संरचनाओं की समझ, नए योगदान के अलगाव, सावधान सत्यापन, सही उद्धरण और मनन के लिए समय को महत्व देता है। कंपनियाँ इसके विपरीत गति और सार्वजनिक बेंचमार्क के लिए अनुकूलन करती हैं: मॉडल जितनी तेज़ी से किसी ज्ञात समस्या को «बंद» करता है, निवेशकों और उपयोगकर्ताओं की नज़र में उसका मूल्यांकन उतना ही ऊँचा होता है। विजेताओं के मत में ऐसा त्वरण नए विचारों की «उपजाऊ भूमि» को नष्ट करता है और छात्रों तथा विचारों के पोषण की प्रक्रिया को कमज़ोर करता है।
पद्धतिगत रूप से यह वक्तव्य वास्तविक घटनाओं के अवलोकन पर आधारित है। गणितज्ञ बताते हैं कि एआई प्रणालियाँ अक्सर पूर्ण लिखित प्रस्तुति के बिना, वास्तव में नए तत्व को अलग किए बिना और पूर्ववर्ती कार्यों को ध्यान में रखे बिना समाधान प्रस्तुत कर देती हैं। इसका सीधा संबंध उन समस्याओं में प्राथमिकता को लेकर हाल के विवादों से है, जहाँ OpenAI ने कथित तौर पर अन्य प्रयोगशालाओं के मॉडलों की मदद से प्राप्त परिणामों का उचित श्रेय दिए बिना उपयोग किया। पारंपरिक गणितीय प्रक्रिया, जिसमें प्रमाण समीक्षा और समुदाय में चर्चा से गुज़रता है, के विपरीत मशीनी दृष्टिकोण ऐसे चिंतन के लिए बहुत कम स्थान छोड़ता है।
गणित में संगणनात्मक उपकरणों के एकीकरण के पिछले दृष्टिकोणों की तुलना में वर्तमान स्थिति पैमाने और व्यावसायिक दबाव से भिन्न है। पहले कंप्यूटरों का उपयोग सत्यापन या प्रति-उदाहरण खोजने के लिए किया जाता था, लेकिन ज्ञात समस्याओं के «समाधानों» को रिकॉर्ड समय में बड़े पैमाने पर उत्पादित करने के लिए नहीं। DeepMind या Anthropic जैसी प्रयोगशालाओं के समानांतर प्रयास भी बेंचमार्कों पर केंद्रित हैं, परंतु पिछले कुछ सप्ताहों में Millennium Prize Problems में «सफलता» की कथा को सबसे आक्रामक ढंग से OpenAI ही आगे बढ़ा रहा है। इससे एक प्रतिस्पर्धात्मक गतिशीलता बनती है, जहाँ गहरी समझ नहीं, बल्कि गति प्रमुख लाभ बन जाती है।
क्षेत्र के लिए परिणाम स्पष्ट हैं: यदि समुदाय मशीनी समाधानों को प्रगति का मुख्य साधन मानने लगेगा, तो धीमे परंतु मौलिक कार्य के लिए स्थान घट जाएगा। छात्र और युवा शोधकर्ता गहन अध्ययन के लिए प्रेरणा खो सकते हैं, क्योंकि «उत्तर» पहले से ही खुले में उपलब्ध हैं। इसके अतिरिक्त, श्रेय और उत्तरदायित्व के धुँधले होने का जोखिम उत्पन्न होता है — यदि कोई एआई-प्रमाण हज़ारों टुकड़ों से जोड़ा गया है, तो उसमें त्रुटि की ज़िम्मेदारी किसकी होगी?
यह वक्तव्य गणित के लिए एआई की उपयोगिता से इनकार नहीं करता, बल्कि परस्पर क्रिया के नियमों पर तत्काल चर्चा की आवश्यकता पर बल देता है। विजेता गणितीय समुदाय, डेवलपरों और समग्र रूप से समाज से ऐसे तंत्र विकसित करने का आह्वान करते हैं, जो अवधारणात्मक समझ और सही उद्धरण के मूल्य को बनाए रखेंगे। ऐसे तंत्रों के बिना लक्ष्यों का टकराव केवल बढ़ता जाएगा, और यह न केवल गणित, बल्कि बौद्धिक श्रम के अन्य क्षेत्रों को भी प्रभावित करेगा।
एक मुख्य प्रश्न खुला रहता है: क्या गणितज्ञों का समुदाय एआई डेवलपरों पर सत्यापन और श्रेय के अपने मानक थोप पाएगा, या व्यावसायिक तर्क अंततः यह तय कर देगा कि मूलभूत विज्ञान में «प्रगति» किसे माना जाएगा।
